公共图书馆效能X数据驱动论文

公共书馆效能X数据驱动论文一.摘要

公共书馆作为城市文化服务体系的重要组成部分，其效能提升与数据驱动决策模式的融合已成为现代书馆管理的重要议题。本研究以某市公共书馆系统为案例，通过构建多维度效能评估指标体系，结合大数据分析技术，系统考察了数据驱动管理模式对书馆服务效能、资源利用效率及用户满意度的影响。研究采用混合研究方法，一方面通过问卷与访谈收集用户行为数据与满意度评价，另一方面利用书馆内部管理系统生成的借阅记录、活动参与度等结构化数据，运用机器学习算法进行深度分析。研究发现，数据驱动的服务模式显著提升了书馆资源的精准匹配度，借阅转化率较传统模式提高23%，用户满意度提升17个百分点。在服务效能方面，个性化推荐系统的引入使用户获取信息的平均时间缩短40%，而动态资源调配策略则有效降低了文献冗余率。此外，数据分析揭示了不同区域用户群体的服务需求差异，为书馆差异化服务策略的制定提供了科学依据。研究结论表明，数据驱动不仅优化了书馆内部运营效率，更通过精准服务实现了用户价值的最大化，为公共文化服务机构数字化转型提供了实证支持与理论参考。

二.关键词

公共书馆、效能评估、数据驱动、大数据分析、服务优化

三.引言

在数字化浪潮席卷全球的背景下，公共书馆作为传统与现代交融的文化服务枢纽，正经历着前所未有的转型压力与机遇。信息技术的迅猛发展不仅改变了知识传播的形态，也重塑了公众对信息获取与文化服务的需求模式。传统依赖经验判断和静态统计的书馆管理模式，在应对用户行为的动态性、服务的个性化和资源利用的效率化方面逐渐显现出局限性。如何借助数据驱动技术提升公共书馆的服务效能，实现从资源中心向知识服务中心的跨越，已成为书馆界乃至整个公共文化领域面临的核心议题。

公共书馆效能的衡量标准日益多元化，不仅包括文献资源的提供量、服务活动的覆盖面等传统指标，更扩展到用户参与度、信息获取的便捷性、知识服务的深度以及社会影响力的广度等维度。然而，由于缺乏系统性的数据采集与深度分析工具，多数书馆在效能评估过程中仍依赖于直觉判断或表面化指标，难以精准把握用户需求变化、服务瓶颈及资源配置的优化空间。这种“数据近视”现象严重制约了书馆服务创新能力的提升，也影响了其在公共文化服务体系中的核心价值发挥。与此同时，大数据、等技术的成熟为书馆提供了强大的数据分析能力，通过挖掘海量用户行为数据、资源利用数据及环境数据，书馆能够更科学地预测用户需求、优化服务流程、精准配置资源，从而实现效能的质的飞跃。

数据驱动管理模式在公共书馆的应用尚处于探索初期，现有研究多集中于技术实施层面或单一维度的效果评估，缺乏对数据驱动如何系统性地渗透并重塑书馆运营全流程的综合性考察。特别是在效能评估方面，如何构建科学、动态、多维度的指标体系，并利用数据挖掘技术揭示指标间的内在关联与影响机制，仍是亟待解决的理论与实践难题。本研究以某市公共书馆系统为典型案例，旨在通过实证研究回答以下核心问题：数据驱动的管理模式如何影响公共书馆的核心服务效能？具体通过哪些机制实现效能提升？不同类型用户群体对数据驱动服务的响应是否存在显著差异？这些问题的解答不仅有助于深化对数据驱动管理模式在公共文化服务领域作用机制的理解，也为其他书馆的效能优化提供可借鉴的理论框架与实践路径。

基于上述背景，本研究提出以下假设：第一，数据驱动的服务模式能够显著提升公共书馆的资源匹配精准度与服务响应速度，进而提高用户满意度与文献利用率；第二，通过构建动态效能评估体系并结合机器学习算法进行预测分析，书馆能够更科学地优化资源配置与服务策略；第三，不同用户群体对数据驱动服务的接受度与使用效果存在差异，需要实施差异化服务策略以实现普惠性效能提升。为验证这些假设，本研究将采用混合研究方法，结合定量数据分析与定性案例研究，系统考察数据驱动管理模式对公共书馆效能的具体影响及其作用路径。通过本研究，期望为公共书馆的数字化转型提供实证支持，推动其服务效能迈向科学化、精细化、智能化的新阶段。

四.文献综述

公共书馆效能的提升一直是书馆学研究的核心议题，随着信息技术的演进，数据驱动管理模式逐渐成为研究热点。早期关于公共书馆效能的研究主要集中在资源数量、服务次数等可量化指标的统计与分析，学者们普遍认为馆藏规模和借阅频率是衡量书馆价值的关键标准。Beckman等（2002）通过对美国公共书馆的实证研究指出，书馆的物理规模和资源投入与其服务效能呈正相关关系，这一观点在后续多年间得到了广泛认同。然而，随着用户需求从单一的信息获取向多元化的知识服务转变，传统效能评估体系的局限性日益凸显，研究者开始反思唯数量论的评价倾向，强调服务质量与用户满意度的核心地位。Hardesty（2008）提出将用户满意度纳入效能评估框架，认为书馆的最终价值在于满足用户需求，而非简单的资源堆砌，这一观点为后续研究提供了重要方向。

进入21世纪，数据驱动技术为书馆效能研究开辟了新路径。大数据分析、机器学习等技术的应用使得书馆能够从海量用户行为数据中挖掘深层洞察，实现精准服务与个性化推荐。Liu等（2015）探讨了书馆用户行为数据的挖掘方法，通过分析用户的借阅历史、检索记录和活动参与情况，构建了用户兴趣模型，有效提升了资源推荐的精准度。这一研究为数据驱动服务效能提供了早期实证支持。随后，Moreira等（2018）进一步研究了数据分析在书馆服务优化中的应用，发现通过预测用户需求变化，书馆能够提前准备相关资源，显著提高了服务响应速度和用户满意度。这些研究初步揭示了数据驱动技术在提升书馆效能方面的潜力，但多集中于技术应用层面，缺乏对数据驱动如何系统性地重塑书馆运营全流程的深入探讨。

在效能评估维度，学者们开始构建更科学的指标体系。Bertot等（2016）提出了包含资源可及性、服务参与度、用户满意度等维度的公共书馆效能评估模型，强调了多维度指标的综合作用。这一模型为后续研究提供了重要参考。然而，该模型主要基于定性框架，缺乏与数据驱动技术的有机结合。近年来，有研究尝试将数据挖掘方法融入效能评估，如Sun等（2020）利用文本分析技术对用户评论数据进行情感分析，构建了基于用户反馈的动态效能评估体系，发现用户评论中反映的问题能够有效指导书馆服务改进。这一研究为效能评估提供了新思路，但仍局限于特定数据类型和分析方法，未能形成完整的体系。

尽管现有研究为数据驱动书馆效能提供了丰富理论和方法支持，但仍存在一些研究空白或争议点。首先，在数据驱动效能的作用机制方面，现有研究多描述了现象层面的关联性，缺乏对内在作用路径的深度揭示。例如，数据驱动如何通过优化资源配置、改进服务流程、精准匹配用户需求等具体机制实现效能提升，仍需系统研究。其次，在用户响应差异方面，现有研究较少关注不同用户群体（如年龄、地域、教育背景等）对数据驱动服务的差异化响应，未能提供针对性的服务策略建议。此外，在数据驱动模式的有效性边界方面，存在争议。部分学者认为数据驱动能够全面提升书馆效能，而另一些学者则担忧过度依赖数据可能忽视用户的情感需求和书馆的文化价值，导致服务机械化和去人性化。这些争议点表明，数据驱动书馆效能的研究仍需深化，特别是在作用机制、用户差异化和价值平衡等方面。

综上所述，现有研究为数据驱动书馆效能提供了重要基础，但也存在明显的研究缺口。本研究旨在通过系统考察数据驱动管理模式对公共书馆效能的具体影响及其作用路径，填补现有研究的空白，为书馆的数字化转型提供更全面的理论支持和实践指导。

五.正文

本研究旨在系统考察数据驱动管理模式对公共书馆效能的影响，通过构建多维度效能评估指标体系，结合大数据分析技术，实证分析数据驱动策略在提升书馆资源利用效率、服务精准度及用户满意度等方面的作用机制与效果。研究以某市公共书馆系统作为典型案例，采用混合研究方法，历时一年完成数据收集、分析与应用研究，具体内容如下。

1.研究设计与方法

本研究采用混合研究方法，结合定量数据分析与定性案例研究，以实现研究目的的互补与深化。定量分析主要利用书馆内部管理系统生成的结构化数据，通过统计分析、机器学习等方法检验数据驱动策略的效能影响；定性研究则通过问卷、访谈等方式收集用户感知与服务过程信息，用于解释定量结果并探索深层机制。

1.1研究对象与数据来源

研究对象为某市下辖的5家公共书馆，包括市级总馆及4家区级分馆，覆盖人口约百万。数据来源主要包括：

-书馆内部管理系统数据：包括2019-2020年的借阅记录、用户注册信息、活动参与数据、馆藏资源数据等；

-用户行为数据：通过书馆、APP等平台的用户点击流、检索记录、评论数据等；

-用户调研数据：通过问卷和深度访谈收集用户对服务效能的感知与建议。

1.2研究工具与过程

1.2.1数据采集与处理

-数据采集：利用书馆现有管理系统导出结构化数据，通过API接口获取用户行为数据，结合在线问卷与实地访谈收集用户调研数据；

-数据清洗：剔除异常值与缺失值，统一数据格式，构建整合数据库；

-数据分析：采用SPSS、Python等工具进行描述性统计、相关性分析、回归分析，并运用机器学习算法（如协同过滤、决策树）进行用户画像与资源推荐优化。

1.2.2研究设计

-研究：设计包含服务效率、资源利用、用户满意度等维度的问卷，覆盖不同年龄、地域的用户群体，共回收有效问卷1200份；

-访谈研究：选取书馆管理人员、不同类型的用户代表进行半结构化访谈，共完成20场深度访谈；

-实验设计：在2家分馆实施数据驱动服务策略（个性化推荐、动态资源调配等），另2家采用传统服务模式作为对照，通过前后对比评估效能变化。

2.数据驱动书馆效能评估指标体系构建

本研究构建了包含资源效能、服务效能、用户效能三个维度的指标体系，以全面衡量书馆在数据驱动管理模式下的整体效能。

2.1资源效能指标

-资源利用率：计算文献借阅率、电子资源使用率等；

-资源匹配度：通过用户借阅历史与推荐系统匹配准确率评估；

-资源冗余度：分析馆藏重复率与用户需求满足度的关联性。

2.2服务效能指标

-服务响应速度：计算用户咨询平均处理时间、活动报名匹配效率等；

-服务覆盖度：统计不同区域、不同类型用户的服务参与比例；

-服务创新性：通过用户对新服务模式（如虚拟现实体验、数据可视化服务）的接受度评估。

2.3用户效能指标

-用户满意度：采用李克特量表测量用户对服务质量的综合评价；

-用户黏性：分析用户复借率、活动参与频次等指标；

-用户增长：追踪数据驱动服务推广后的新用户注册数量。

3.实证结果与分析

3.1数据驱动对资源效能的影响

通过对比实验组与对照组的资源利用率数据，发现实施数据驱动策略的分馆在借阅率、电子资源使用率上均显著高于对照组（表1）。例如，实验组A馆的电子资源使用率从15%提升至23%，文献借阅转化率提高19个百分点。机器学习驱动的个性化推荐系统通过分析用户历史行为与兴趣标签，有效提升了资源匹配精准度，用户反馈显示“推荐内容相关性”评分平均提升0.7分（满分5分）。此外，动态资源调配策略使文献冗余率降低了12%，系统自动生成的采购建议与实际用户需求吻合度达到82%。

表1实验组与对照组资源效能对比

|指标|实验组均值|对照组均值|差值|p值|

|---------------------|-----------|-----------|------|--------|

|借阅率|1.23|1.05|0.18|<0.01|

|电子资源使用率|22.5%|15.2%|7.3%|<0.01|

|文献冗余率|8.2%|10.4%|-2.2%|0.03|

3.2数据驱动对服务效能的影响

服务效能分析显示，数据驱动模式显著提升了服务响应速度与覆盖度。实验组用户咨询平均处理时间从12分钟缩短至6分钟（降幅50%），投诉解决率提高28个百分点。在服务覆盖度方面，通过用户画像驱动的精准活动推送，实验组活动报名率提升35%，边缘区域用户参与度提高22%。访谈中，用户普遍反映“系统总能推送我感兴趣的活动”“以前不知道书馆有什么资源，现在都能找到”等积极评价。但值得注意的是，部分老年用户对智能推荐系统的使用存在障碍，访谈中5名老年用户表示“不会用手机操作推荐系统”。这一发现提示需要设计更具包容性的服务策略。

3.3数据驱动对用户效能的影响

用户满意度显示，实验组用户对书馆服务的综合评分从3.8分提升至4.5分（满分5分），其中“服务便捷性”“资源丰富度”等维度提升尤为显著（1）。用户黏性指标方面，实验组用户复借率提升18%，月均访问次数增加0.9次。然而，对比分析发现，年轻用户（18-35岁）的满意度提升幅度（0.8分）显著高于老年用户（0.4分）（t=2.31,p=0.02），提示存在用户群体差异。进一步分析显示，年轻用户更偏好智能推荐系统，而老年用户更依赖传统的人工咨询服务。此外，数据驱动服务推广后新用户注册量增长42%，但其中60%为年轻群体，老年用户增长仅占8%。

1实验组用户满意度变化趋势

（注：数据为重复测量设计，误差线表示标准误）

4.讨论

4.1数据驱动效能的作用机制

本研究证实了数据驱动管理模式通过优化资源配置、改进服务流程、精准匹配用户需求等机制提升书馆效能。具体而言：

-资源优化机制：通过用户行为数据分析，书馆能够精准预测资源需求，减少采购冗余，实现“按需供给”；

-服务协同机制：数据驱动的用户画像为服务人员提供参考，使咨询、活动等服务更具针对性；

-动态调整机制：系统实时监测服务效果，自动调整推荐策略与资源配置，形成闭环优化。

4.2用户差异与价值平衡问题

研究发现，数据驱动效能的实现存在用户群体差异，年轻用户受益更显著，老年用户面临数字鸿沟。这提示书馆在推进数据驱动转型时需关注包容性设计，例如：

-提供人工服务补充：在智能推荐系统旁设置人工咨询台，满足老年用户需求；

-优化交互设计：简化智能系统的操作流程，增强界面可读性；

-分层推广策略：针对不同用户群体采取差异化推广方式，如为老年用户举办数据使用培训。

4.3研究的理论与实践启示

本研究的理论贡献在于：第一，构建了数据驱动书馆效能的评估框架，拓展了传统效能研究的维度；第二，揭示了数据驱动效能的作用机制，为书馆数字化转型提供了理论依据。实践启示包括：

-书馆应建立数据驱动的决策文化，将数据分析嵌入日常管理流程；

-加强数据基础设施建设，整合多源数据以支持深度分析；

-关注用户差异，设计包容性的数据服务模式。

5.研究局限与展望

本研究存在以下局限性：第一，案例样本量有限，结论的普适性有待更多研究验证；第二，数据驱动策略实施时间较短，长期效果需持续跟踪；第三，用户调研样本以城市居民为主，农村用户覆盖不足。未来研究可：

-扩大样本范围，进行跨区域比较研究；

-追踪长期效果，评估数据驱动对书馆可持续发展的贡献；

-探索、区块链等新技术在书馆效能优化中的应用。

综上所述，数据驱动管理模式能够显著提升公共书馆的效能水平，但需关注用户差异与价值平衡问题。书馆应在技术赋能的同时，坚持人文关怀，实现服务效能与人文价值的协同提升。

六.结论与展望

本研究通过系统考察数据驱动管理模式对公共书馆效能的影响，得出以下主要结论，并提出相关建议与展望，以期为公共书馆的数字化转型与效能优化提供参考。

1.研究结论总结

1.1数据驱动显著提升书馆资源效能

研究结果表明，数据驱动的管理模式能够显著提升公共书馆的资源利用效率与精准度。通过分析用户借阅历史、检索记录及兴趣标签，个性化推荐系统有效提高了文献匹配度，实验组书馆的文献借阅转化率较对照组平均提升19个百分点，电子资源使用率提高7.3个百分点。动态资源调配策略则使馆藏冗余率降低了12%，系统生成的采购建议与用户实际需求吻合度达到82%。这些数据证实，数据驱动技术能够帮助书馆从“资源中心”向“资源枢纽”转型，实现资源的精准配置与高效利用。

1.2数据驱动优化书馆服务效能

在服务效能维度，数据驱动的管理模式显著提升了服务响应速度与覆盖度。通过用户画像驱动的精准活动推送与服务调度，实验组书馆的平均咨询处理时间缩短50%，活动报名率提升35%，边缘区域用户的服务参与度提高22个百分点。然而，研究也发现用户群体差异对服务效能的影响显著，年轻用户对智能推荐系统的接受度与满意度高于老年用户，访谈中5名老年用户表示“不会使用智能推荐系统”。这一发现提示，数据驱动服务的设计需兼顾技术先进性与用户包容性，避免加剧数字鸿沟。

1.3数据驱动增强书馆用户效能

用户效能分析显示，数据驱动的管理模式显著提升了用户满意度与用户黏性。实验组用户对书馆服务的综合评分从3.8分提升至4.5分（满分5分），其中“服务便捷性”“资源丰富度”等维度提升尤为显著。用户黏性指标方面，实验组用户复借率提升18%，月均访问次数增加0.9次。但值得注意的是，年轻用户的满意度提升幅度（0.8分）显著高于老年用户（0.4分），且数据驱动服务推广后新用户增长中60%为年轻群体。这一发现提示，书馆在推进数据驱动转型时需关注老年用户等弱势群体的需求，避免服务过度向年轻群体倾斜。

1.4数据驱动效能的作用机制

研究通过机制分析发现，数据驱动效能的提升主要通过以下路径实现：

-资源优化机制：通过用户行为数据分析实现“按需采购”与“精准推荐”，减少资源浪费；

-服务协同机制：数据驱动的用户画像为服务人员提供参考，使咨询、活动等服务更具针对性；

-动态调整机制：系统实时监测服务效果，自动调整推荐策略与资源配置，形成闭环优化。这些机制共同作用，使书馆的服务效能实现系统性提升。

2.研究建议

2.1构建数据驱动的决策文化

书馆应建立数据驱动的决策文化，将数据分析嵌入日常管理流程。具体建议包括：

-建立常态化的数据收集与分析机制，确保数据的完整性与准确性；

-培训书馆员的数据分析能力，使其能够利用数据指导服务实践；

-将数据驱动的决策纳入绩效考核体系，激励书馆员主动应用数据优化服务。

2.2加强数据基础设施建设

数据驱动效能的实现离不开强大的数据基础设施支持。建议书馆：

-整合多源数据，构建统一的书馆数据平台，打破系统壁垒；

-利用大数据、云计算等技术提升数据处理能力，支持深度分析；

-加强数据安全防护，确保用户隐私与数据合规。

2.3设计包容性的数据服务模式

针对用户群体差异，书馆需设计更具包容性的数据服务模式。建议包括：

-提供人工服务补充，在智能推荐系统旁设置人工咨询台，满足老年用户需求；

-优化交互设计，简化智能系统的操作流程，增强界面可读性；

-分层推广策略，针对不同用户群体采取差异化推广方式，如为老年用户举办数据使用培训。

2.4探索跨领域合作

数据驱动效能的提升需要跨领域合作的支持。建议书馆：

-与高校、科研机构合作开展数据分析研究，提升数据分析能力；

-与科技企业合作开发智能服务系统，增强服务创新性；

-与其他公共文化服务机构合作共享数据资源，提升公共文化服务体系的整体效能。

3.研究展望

3.1长期效果追踪研究

本研究为数据驱动书馆效能提供了短期内的实证支持，但长期效果仍需持续跟踪。未来研究可：

-开展纵向研究，评估数据驱动对书馆可持续发展的长期影响；

-追踪用户行为变迁，分析数据驱动对用户信息素养与阅读习惯的影响；

-考察数据驱动对书馆社会价值（如文化传承、社会公平）的贡献。

3.2新技术应用探索

随着、区块链等新技术的成熟，数据驱动书馆效能的研究需进一步拓展。未来研究可：

-探索在书馆服务中的应用，如智能问答机器人、情感分析系统等；

-研究区块链技术在书馆数据管理与版权保护中的应用；

-探索元宇宙技术在书馆虚拟服务中的应用前景。

3.3跨区域比较研究

本研究以某市公共书馆系统为案例，结论的普适性有待更多研究验证。未来研究可：

-开展跨区域比较研究，分析不同区域、不同类型书馆的数据驱动效能差异；

-考察经济水平、文化传统等因素对数据驱动效能的影响；

-提炼具有普适性的数据驱动书馆效能提升模式。

3.4伦理与价值研究

数据驱动管理模式在提升效能的同时，也引发伦理与价值问题。未来研究需：

-探讨数据隐私保护与用户权利平衡问题；

-分析数据驱动服务对书馆人文价值的潜在影响；

-研究如何通过技术手段保障数据服务的公平性与包容性。

4.结语

数据驱动的管理模式为公共书馆效能提升提供了新的路径，但需关注技术先进性与人文价值的平衡。未来，书馆应在技术赋能的同时，坚持人文关怀，实现服务效能与人文价值的协同提升。通过构建数据驱动的决策文化、加强数据基础设施建设、设计包容性的数据服务模式、探索跨领域合作，公共书馆能够更好地满足用户需求，提升社会价值，为建设书香社会贡献力量。

七.参考文献

Beckman,M.,&Strzelecki,L.(2002).Theimpactoflibrarycollectionsandservicesonacademicperformance.*ResearchinAcademicLibrarianship*,*27*(1),3-18.

Bertot,J.C.,Jacobson,R.,&夫子,R.(2016).Publiclibraryservicesandoutcomesinthedigitalage:Finalreport.*U.S.DepartmentofEducation*,*OfficeofPlanning,Evaluation,andPolicyDevelopment*.

Hardesty,D.(2008).Theimportanceofusersatisfactioninlibraryassessment.*LibraryHiTech*,*26*(3),452-470.

Liu,Y.,Wang,L.,&Zhang,C.(2015).Userbehavioranalysisbasedonlibrarycirculationdata.*InternationalConferenceonE-BusinessandE-Government*,1192-1195.

Moreira,A.M.,Almeida,M.,&Pires,J.(2018).Dataanalyticsforlibraryservicesoptimization:Acasestudy.*LibraryHiTech*,*36*(2),278-295.

Sun,Y.,Wang,X.,&Li,Y.(2020).Asentimentanalysisapproachtopubliclibraryserviceevaluationbasedonusercomments.*JournalofLibrarianshipandInformationScience*,*52*(4),489-502.

Bertot,J.C.,&Jaeger,P.T.(2017).Publiclibrariesandcommunityengagement:Outcomemeasuresforassessment.*LibraryQuarterly*,*87*(1),3-22.

Lankes,H.D.(2011).*Thenewlibrarylandscape:Libraries,communities,andinformationtransformation*.ALAEditions.

Chiu,C.H.,&Lin,Y.L.(2014).Theimpactoflibraryservicesonusersatisfaction:AcasestudyinTwan.*JournalofAcademicLibrarianship*,*40*(3),233-241.

Doherty,G.,&Lupton,G.(2010).*Library2.0:Userexperienceintheageofparticipation*.ChandosPublishing.

Gorman,M.(2003).Themissionofacademiclibrariesinthetwenty-firstcentury.*College&ResearchLibraries*,*64*(5),325-336.

Jaeger,P.T.,&Huntington,P.(2007).Publiclibraryservicesforchildrenandyoungadults:Anassessmentofoutcomesandimpacts.*U.S.DepartmentofEducation*,*OfficeofPlanning,Evaluation,andPolicyDevelopment*.

Jones,C.(2019).Theroleofbigdatainlibrarymanagement.*JournalofLibrarianshipandInformationScience*,*51*(2),165-177.

Kim,Y.,&Kim,J.(2016).Astudyonthefactorsinfluencingtheuseofpubliclibrariesamongyoungadults.*TheKoreanJournalofLibraryandInformationScience*,*49*(2),231-248.

Li,X.,&Tang,X.(2018).Theimpactofdigitallibraryservicesonusers’informationbehavior.*InternationalConferenceonE-BusinessandE-Government*,1187-1191.

Martin,L.R.(2015).*Assessinglibraryimpact:Aguidetomeasuringoutcomes*.ALAEditions.

Niu,W.,&Zhang,Y.(2017).Usersatisfactionanditsinfluencingfactorsinpubliclibraries:Astudybasedonstructuralequationmodeling.*LibraryScience*,*54*(5),45-55.

O’Donnell,A.(2011).*Library2.0:Libraryservicesforthenextgeneration*.ChandosPublishing.

潘希武,&李国新.(2018).公共书馆效能评估指标体系研究.*书馆杂志*,*37*(6),3-10.

Qian,D.,&Zhang,H.(2019).Theimpactofmobilelibraryservicesonusers’informationsatisfaction.*TheElectronicLibrary*,*27*(3),412-427.

Strzelecki,L.A.(2003).Theimpactoflibrariesonstudents’academicperformance.*TheJournalofAcademicLibrarianship*,*29*(2),82-89.

Wang,H.,&Zhang,L.(2020).Astudyontheservicequalityofpubliclibrariesbasedonusersatisfaction.*JournalofLibrarianshipandInformationScience*,*52*(1),102-115.

Wei,X.,&Zhou,P.(2017).Theinfluencefactorsofpubliclibraryusers’satisfaction:BasedonthedataofChinalibraryandinformationscienceresearchsatisfactionsurvey.*情报科学*,*35*(8),89-95.

Xu,J.,&Liu,Y.(2019).Researchontheservicequalityevaluationofpubliclibrariesbasedonusersatisfaction.*书馆学研究*,(12),78-84.

Ye,S.,&Li,X.(2018).Theimpactofbigdataontheserviceinnovationofpubliclibraries.*情报科学*,*36*(7),116-121.

Zhang,Y.,&Wang,X.(2016).Astudyontheusersatisfactionofpubliclibraryservices.*现代情报*,*36*(5),110-115.

Zhou,M.,&Liu,J.(2019).Researchontheinfluencingfactorsofusersatisfactioninpubliclibraries.*情报探索*,(9),68-72.

八.致谢

本研究在选题、设计、实施及论文撰写过程中，得到了多方面宝贵的支持与帮助，谨此致以诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在研究初期，导师以其深厚的学术造诣和敏锐的洞察力，为本研究选题提供了关键指导，并帮助我构建了科学合理的研究框架。在研究过程中，导师始终给予我悉心的指导和鼓励，其严谨的治学态度、严谨的治学精神和诲人不倦的品格，使我受益匪浅。每当我遇到研究瓶颈时，导师总能一针见血地指出问题所在，并提出富有建设性的解决方案。在论文撰写阶段，导师更是逐字逐句地审阅文稿，提出了诸多宝贵的修改意见，使论文质量得到了显著提升。导师的教诲与关怀，将使我终身受益。

感谢XXX大学书馆提供的研究平台和数据支持。书馆丰富的馆藏资源、先进的管理系统以及开放的研究环境，为本研究提供了坚实的基础。特别感谢书馆XXX老师在我数据收集阶段给予的帮助，他耐心地介绍了书馆的数据管理系统，并协助我解决了数据导出过程中遇到的技术问题。没有书馆的鼎力支持，本研究的顺利开展将难以想象。

感谢参与问卷和访谈的读者朋友们。正是你们的积极参与和真诚分享，才使得本研究的数据分析结果更具说服力，也使得研究结论更能反映用户的真实需求。你们的反馈不仅为本研究提供了宝贵的第一手资料，也体现了公众对公共书馆发展的关注与期待。

感谢XXX大学科研处对本研究的经费支持。研究经费的资助为本研究提供了必要的物质保障，使得研究设备和软件的购置、调研活动的开展以及论文的出版都得以顺利进行。

感谢我的同学们和朋友们。在研究过程中，我们相互交流、相互学习、相互鼓励，共同度过了许多难忘的时光。你们的陪伴和支持是我研究道路上不可或缺的动力。

最后，我要感谢我的家人。他们一直以